A practical approach of measuring U and Th in liquid scintillator to sub-ppq level using ICP-MS
该研究通过酸萃取富集结合严格的洁净控制与多种标准添加法,建立了一种利用 ICP-MS 在 2 公斤液闪样品中实现铀和钍亚皮克级(sub-ppq)高灵敏度检测的新方法,其检测限可达 0.2-0.3 ppq 且回收率接近 100%。
817 篇论文
该研究通过酸萃取富集结合严格的洁净控制与多种标准添加法,建立了一种利用 ICP-MS 在 2 公斤液闪样品中实现铀和钍亚皮克级(sub-ppq)高灵敏度检测的新方法,其检测限可达 0.2-0.3 ppq 且回收率接近 100%。
本文提出了一种结合超参数化与概率演化思想的概率重构方法,通过“像点平流”技术在降维后的概率相空间中利用参考数据的联合分布进行计算,结果显示该方法在海洋模拟中不仅比传统高分辨率模型更准确,且计算速度快数个数量级,适用于多种海洋及海气模型的预测与数据填补。
本文针对宇宙微波背景偏振建模中的球面自旋随机场,推导出了定义在任意三维紧致黎曼流形上的非各向同性高斯随机场在任意度量下(而非仅限于 Adler-Taylor 度量)的 excursion 集 Lipschitz-Killing 曲率期望值的显式非渐近公式,并给出了相应的 Adler-Taylor 度量及其曲率的表达式。
本文论证了具有真空简并的标量场与规范场系统会诱导出时空上的主群胚丛,其自发对称性破缺与希格斯机制由李群胚结构在标量真空期望值模空间上诱导的奇异叶状结构所编码,进而可利用奇异叶状结构的分类结果对真空简并模式进行定性分类。
该论文通过建立球对称模型下广义协变性的精确条件,推导出了含量子参数的有效哈密顿约束方程,并提出了两种改进的量子修正黑洞时空模型,克服了以往类似研究的局限性。
本文研究了圆柱面约束下格点洛伦兹气体中示踪粒子的动力学行为,通过计算速度自相关函数揭示了系统从二维到一维的平衡态维度交叉现象,并在一阶障碍物密度近似下解析推导了任意外力与约束尺寸下的稳态速度与扩散系数。
该研究通过引入包含法向应力差的雅可比导数来体现雷诺应力的对流历史效应,成功解释了高雷诺数泰勒 - 库埃特湍流中平均角动量近乎恒定的物理机制。
该研究通过数值模拟证实,格陵兰冰盖北部观测到的大型冰内羽状结构是由对流形成的,这一发现表明该区域冰的粘度可能比传统假设低 9 至 15 倍,进而意味着基岩滑动显著减少,这对改进未来冰盖质量平衡的预测具有重要意义。
该论文通过在哈密顿框架下推导并求解广义协变条件,构建了一种新的有效量子引力黑洞模型,该模型利用自由函数将经典奇点替换为渐近负质量史瓦西 - 德西特时空,从而避免了以往模型中常见的柯西视界问题。
本文通过 -变换方法定义了关于随机缩放分数布朗运动的分数 Ito 随机积分,研究了其性质并证明了相应的 Ito 公式,进而将其应用于相关广义时间分数演化方程的求解与分析。
本文通过泛函重整化群方法预测并数值验证了一维随机多孔介质方程的增长指数,揭示了其异常标度与多重标度特性,并指出其稳态分布可用与贝塞尔过程相关的随机游走模型来描述。
本文通过对比后向台阶、正则化后向台阶及三角腔驱动流等几何构型,研究了润滑理论(雷诺方程)在大表面梯度下的误差特性及其与斯托克斯方程在角区流动分离现象上的差异。
本文提出了一种名为潜在数据同化(LDA)的新框架,该框架通过在自动编码器学习的潜在空间中执行贝叶斯数据同化,有效捕捉非线性物理关系,从而在不显式建模物理约束的情况下生成物理一致的大气状态,并显著提升了分析质量与预报技巧。
本文在大 极限下,通过将问题约化至二维并求解 Wheeler-De Witt 方程,将史瓦西黑洞与弦黑洞视为不同的波函数态,从而计算了由弦耦合驱动的两者之间的量子跃迁概率。
本文提出了一种基于物理的机器学习解释框架,通过应用 SHAP 分析揭示了旋转和电子温度剖面在 DIII-D 装置撕裂模稳定性预测中的主导作用,从而弥合了融合能领域黑盒模型与物理理解之间的鸿沟。
本文提出了一种利用多参数全局优化和晶格相位调控的捷径至绝热方案,有效解决了超冷费米气体因宽动量分布和多重占据导致的加载效率瓶颈,实现了将其高效装载至一维光晶格的高轨道带。
该研究通过无符号问题行列式量子蒙特卡洛模拟发现,在二维方格晶格吸引哈伯德模型中引入次近邻跃迁()可将临界温度提升高达 50%,同时降低配对温度并缩小赝能隙区域,从而为实现更接近实验可及温区的超导态提供了一条可行途径。
本文通过构造具体实例,研究了与简单李代数相关的 Toda 方程组解的爆破现象,并揭示了其爆破质量与 Weyl 群之间的对应关系。
该研究通过推广包含互惠种内和种间(反)对齐耦合的双物种维塞克模型,揭示了反对齐相互作用不仅不会破坏极性有序,反而能诱导相分离并促进全局极性有序,从而阐明了一种新颖的微相分离机制,并指出该共存模式可推广至具有循环对齐相互作用的多物种系统。
本文提出了一种可扩展的物理信息深度生成模型(sPI-GeM),通过结合物理信息基网络与深度生成模型,有效解决了高维随机空间和高维物理空间下的随机微分方程正演与反演问题。